本文基于 arXiv:2611.05671v1，探讨了视觉语言模型（VLM）驱动的人工代理在不确定环境中如何感知并利用视觉信息进行决策。研究首先回顾了可视化素养和决策理论的核心概念，然后设计了两项互补实验：\n\n1. 评估模型对可视化中不确定性信息的感知能力，使用的图表包括饼图、条形图、圆形图和图标阵列；\n2. 测试代理在仅有图像输入的情境下的决策表现，比较其行为与理性决策理论的吻合度。\n\n实验在多种主流 VLM（包括 GPT‑4o、Claude、Gemini 等）上进行，统计了感知准确率和决策收益两类指标。结果显示，GPT‑4o 在饼图和条形图的不确定性感知上达到最高准确率（约 92%），而在决策任务中，当不确定性以圆形图、图标阵列或文字形式呈现时，代理的选择最接近理性模型的预期收益。相反，使用条形图时模型的决策偏差显著增大，表明可视化形式对信息解码有重要影响。\n\n本研究表明，视觉数据的呈现方式直接影响人工代理的认知与决策过程，提示未来 VLM 的训练应加入多模态不确定性标注，以提升在真实科学文献中的应用可靠性。\n\n点评